CN112581042A - 履行能力评估系统、方法及电子设备 - Google Patents

Abstract

本申请实施例公开一种履行能力评估系统、方法及电子设备，该系统包括：数据获取模块，用于获取被执行人动态的财产交易信息以及静态的资产信息；画像构建模块，用于根据被执行人动态的财产交易信息以及静态的资产信息构建画像基础变量，并根据画像基础变量构建用户画像；证据分析模块，用于根据财产数据以及用户画像识别被执行人履行能力的证据标签；评估模块，用于结合用户画像和证据标签生成被执行人的履行能力评估结果；展示模块，用于输出被执行人的履行能力评估结果，可以提高被执行人履行能力的评估准确性，并且可以帮助执法人员进行人工评估。

Description

履行能力评估系统、方法及电子设备

技术领域

本申请涉及互联网技术领域，具体涉及一种履行能力评估系统、方法及电子设备。

背景技术

随着近几年法院执行信息化的飞速发展和执行力度的不断加大，基本已经实现了对被执行人名下存放或记录在正规第三方能查到的财产的查询和控制。但是，在实践中发现，部分被执行人存在尝试通过财产转移的方式逃避案件执行的行为。若被执行人发生了财产转移的行为，则往往会增加法院查明被执行人实际财产情况的难度，容易导致法院误判被执行人的履行能力。

发明内容

本申请实施例公开了一种履行能力评估系统、方法及电子设备，能够提高被执行人履行能力的评估准确性。

本申请实施例公开一种履行能力评估系统，所述系统包括：数据获取模块，用于获取被执行人的财产数据；所述财产数据包括通过实时数据流工具从交易平台中获取到的动态的财产交易信息，以及从数据中心获取到的静态的资产信息；画像构建模块，用于根据所述动态的财产交易信息和所述静态的资产信息构建所述被执行人的一个或多个画像基础变量，并根据各个画像基础变量构建所述被执行人的用户画像；所述各个画像基础变量包括：所述被执行人的消费场景、消费习惯、虚拟财产和消费轨迹中的一种或者多种；证据分析模块，用于根据所述财产数据以及所述用户画像识别所述被执行人履行能力的证据标签；评估模块，用于将所述用户画像和所述证据标签输入至评估模型，得到评估模型输出的被执行人履行案件的可履行概率，并根据所述可履行概率计算所述被执行人的履行能力评分；所述评估模型是利用样本数据对逻辑回归模型进行训练得到的，所述样本数据包括多个具有履行结果的被执行案件，以及所述被执行案件中涉案的样本用户的样本用户画像和样本证据标签；展示模块，用于根据所述履行能力评分生成个人履行能力报告，以及查找与所述履行能力评分相对应的执法方案；以及，在显示页面中输出所述个人履行能力报告以及所述执法方案。

本申请实施例公开一种履行能力评估方法，所述方法应用于电子设备，所述方法包括：获取被执行人的财产数据；所述财产数据包括所述电子设备通过实时数据流工具从交易平台中获取到的动态的财产交易信息，以及所述电子设备从数据中心中获取到的静态的资产信息；根据所述动态的财产交易信息和所述静态的资产信息构建所述被执行人的一个或多个画像基础变量，并根据各个画像基础变量构建所述被执行人的用户画像；所述各个画像基础变量包括：所述被执行人的消费场景、消费习惯、虚拟财产和消费轨迹中的一种或者多种；根据所述财产数据以及所述用户画像识别所述被执行人履行能力的证据标签；将所述用户画像和所述证据标签输入至评估模型，得到评估模型输出的被执行人履行案件的可履行概率，并根据所述可履行概率计算所述被执行人的履行能力评分；所述评估模型是利用样本数据对逻辑回归模型进行训练得到的，所述样本数据包括多个具有履行结果的被执行案件，以及所述被执行案件中涉案的样本用户的样本用户画像和样本证据标签；根据所述履行能力评分生成个人履行能力报告，以及查找与所述履行能力评分相对应的执法方案；在显示页面中输出所述个人履行能力报告以及所述执法方案。

本申请实施例公开一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如本申请实施例公开的任意一种履行能力评估方法。

与相关技术相比，本申请实施例具有以下有益效果：

在本申请实施例中，可通过履行能力评估系统的接收模块获取被执行人静态的资产信息和动态的财产交易信息，从而通过标签分析模块从中提取出财产标签。基于标签分析模块提取出的财产标签，画像构建模块可结合财产信息构建被执行人的用户画像，以使证据分析模块可对被执行人的财产数据和用户画像进行分析，从而识别出被执行人履行能力的证据标签。评估模块结合用户画像和证据标签对被执行人的履行能力进行评估，可以整合被执行人碎片化的涉财产行为数据，得出被执行人在一段时间内的经济活动情况，基于得出的经济活动情况对被执行人的履行能力进行评估，可以提高识别被执行人是否存在财产转移行为的可能性，进而可以提高对被执行人履行能力的评估准确性。通过展示模块在显示页面中输出被执行人的履行能力评估结果，可以方便法官等执法人员参考履行能力评估系统给出的评估结果进行人工评估，以结合履行能力评估系统数据分析能力和执法人员的人工经验对被执行人的履行能力作进一步确认，也可以提高评估的准确性。此外，对被执行人履行能力的准确评估，有利于提高司法系统执行办案的效率和精准度，可有效降低司法成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例公开的一种被执行人的履行能力评估系统的应用场景示例图；

图2是本申请实施例公开的一种履行能力评估系统的结构示意图；

图3是本申请实施例公开的一种在显示页面上输出个人履行能力报告的示例图；

图4是本申请实施例公开的一种在显示页面中输出对应的展示内容的示例图；

图5是本申请实施例公开的一种履行能力评估方法的流程示意图；

图6是本申请实施例公开的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请实施例公开了一种履行能力评估系统、方法及电子设备，能够提高被执行人履行能力的评估准确性。以下分别进行详细说明。

请参阅图1，图1是本申请实施例公开的一种被执行人的履行能力评估系统的应用场景示例图。如图1所示，履行能力评估系统10可数据中心20之间建立通信连接，履行能力评估系统10还可与实时数据流工具30建立通信连接，实时数据流工具30还可与交易平台40通信连接。

履行能力评估系统10，可运行于云端服务器、个人电脑等具备计算能力的电子设备。

数据中心20可包括公安系统的公安数据中心210、法院系统的法院数据中心220、第三方资产管理平台的第三方数据中心230中的一种或多种数据中心，但不限于此。数据中心20可用于存储被执行人的资产信息，包括有形资产和/或无形资产，资产信息中可包括但不限于：被执行人当前拥有的资产类型、资产价值。

实时数据流工具30，可用于作为消息传递组件，接收交易平台40广播的实时财产交易信息，并对接收到的实时财产交易信息进行诸如存储、整合等初步处理。交易平台40可能广播多个不同用户的实时财产交易信息，实时数据流工具30可从多个不同用户的实时交易财产信息中识别出被执行人的实时财产交易信息，并对被执行人的实时财产交易信息进行整合。

交易平台40，可向实时数据流工具30广播线上交易数据、固定资产交易数据、投资资产交易数据、虚拟资产交易数据中的一种或多种，但不限于此。交易平台40，可包括证券交易系统、支付系统、房产交易系统等交易系统中的一种或多种，但不限于此。交易平台40可向实时数据流工具广播实时财产交易信息，财产交易信息可包括但不限于：交易时间、交易类型、交易涉及的金额、交易双方的身份信息。

请参阅图2，图2是本申请实施例公开的一种履行能力评估系统的结构示意图。如图2所示，该履行能力评估系统10可包括：数据获取模块110、画像构建模块120、证据分析模块130、评估模块140，展示模块150。

数据获取模块110用于获取被执行人的财产数据；财产数据可包括通过实时数据流工具30从交易平台40中获取到的动态的财产交易信息，以及从数据中心20中获取到的静态的资产信息。

在本申请实施例中，动态的财产交易信息可指在一段时间内不断变化的财产交易信息，例如消费记录、证券的买入/卖出记录等。静态的资产信息可包括在一段时间内保持固定的资产信息，例如银行账户余额、房产估值等。

画像构建模块120，可用于根据动态的财产交易信息和静态的资产信息构建被执行人的一个或多个画像基础变量，并根据各个画像基础变量构建被执行人的用户画像。其中，画像基础变量可包括被执行人的消费场景、消费习惯、虚拟财产和消费轨迹中的一种或多种。

作为一种可选的实施方式，画像构建模块120可用于从财产数据包括的动态的财产交易信息和静态的资产信息中提取出财产标签数据；以及，从财产标签数据中确定与财产数据包括的每条信息对应的财产标签。

在本申请实施例中，财产标签数据可包括一个或多个财产标签，财产标签可用于刻画金融产品类别、消费场景类别等多个财产数据的共有特性，从而可以对具有相同特性的财产数据进行整合。

画像构建模块120，可用于对财产数据进行文本分词，并基于文本分词后得到的多个关键词进行信息挖掘，生成财产标签。示例性的，电子设备获取到的动态的财产交易信息可包括：砂锅粥店铺的支付记录和火锅店铺的支付记录，支付记录中可包括支付时间和支付金额。电子设备对上述的两条支付记录进行文本分词，可将从砂锅粥店铺的支付记录中识别出关键词“砂锅粥”，从火锅店铺的支付记录中识别出关键词“火锅”，对识别出的多个关键词进行信息挖掘，可将“砂锅粥”和“火锅”归类为餐饮。因此，上述的两条支付记录的财产标签信息可包括餐饮消费。

示例性的，电子设备获取到的静态的资产信息可包括：登记在被执行人明下的一套民居的产权信息和一套商铺的产权信息，产权信息中可包括权利人的身份信息、产权地址等。对上述的两条产权信息进行文本分词，可识别出关键词“民居”和“商铺”，对识别出的多个关键词进行信息挖掘，可将“民居”和“商铺”归类为房产。因此，上述的两条产权信息的财产标签信息可包括房产。

需要说明的是，在本申请实施例中，电子设备获取到的财产数据中可包括至少一条动态的财产交易信息或者至少一条静态的资产信息，财产数据包括的多条信息可对应于相同的财产标签，每条信息也可以对应与多个财产标签，具体不做限定。

画像构建模块120，可用于统计对应于同一财产标签的财产交易信息或者资产信息，得到一个或多个画像基础变量，并根据各个画像基础变量构建被执行人的用户画像。

在本申请实施例中，画像构建模块120，用于可以将对应于同一财产标签信息的财产数据进行整合，从而可以从被执行人的财产数据中提取出隐含的被执行人的经济活动规律，使得基于财产标签构建出的被执行人的用户画像可用于表征一段时间内被执行人的经济状态，可以是被执行人在一段时间内的经济状态的事实呈现。

可选的，画像构建模块120，可用于统计对应于同一财产标签的财产交易信息的数量和/或金额，例如统计被执行人一个月内餐饮消费的次数和/或金额、一个月内珠宝类产品消费的次数和/或金额、一年内酒店消费的次数和/或金额、半年内工资收入的次数和/或金额等。以及，

画像构建模块120，还可用于统计对应于同一财产标签的资产信息的数量和/或金额，例如被执行人名下登记的房产的数量和/或房产的估值、被执行人名下拥有的银行账户的数量和/或银行账户内的资产总值等。

画像构建模块120，可用于将每个财产标签的统计结果确定为一个画像基础变量，从而得到一个或多个画像基础变量。示例性的，上述的被执行人一个月内餐饮消费的次数可作为一个画像基础变量、被执行人名下用户的银行账户内的资产总值可作为另一个画像基础变量。被执行人的消费场景可包括餐饮、交通出行、服装家居等；被执行人的消费习惯可包括上述的一个月内餐饮消费的次数；被执行人的虚拟财产可包括被执行人的某个游戏账后的账号余额；被执行人的消费轨迹可包括被执行人在一个月内产生过消费记录的城市。上述的各种画像基础变量都可通过被执行人的财产数据进行统计得出。

可见，每个画像基础变量可表征被执行人在某一方面的经济状态，因此被执行人的用户画像实际上可理解为一个或多个画像基础变量的集合，可从多方面整体反映被执行人的经济状态。

证据分析模块130，用于根据财产数据以及用户画像识别被执行人履行能力的证据标签。

在本申请实施例中，证据标签可用于评估被执行人履行能力的证据，识别被执行人履行能力的证据标签的过程可理解为对被执行人的经济活动和经济状态赋予司法含义的过程。证据标签的类型可根据法律条文或者司法解释中提及的证据类型定义；或者，可根据从多个执行案例中人为归纳的证据类型定义，例如，证据标签可包括资产状况、支出级别、高消费行为、限制类消费行为、消费能力指数等。

在本申请实施例中，证据分析模块130，可用于直接对财产数据包括的财产交易信息和/或资产信息进行分析，以从财产数据中识别出被执行人履行能力的证据标签。示例性的，财产交易信息包括股票买入记录，而根据预先对证据标签的定义，股票买入属于理财行为，理财属于非生产生活必需的高消费行为。因此，可以根据股票买入记录识别出高消费行为的证据标签。示例性的，资产信息可包括被执行人名下的车辆产权信息，可根据车辆产权信息对被执行人的资产状况进行识别。若车辆已报废，则被执行人的资产状况可包括一项劣质资产。

证据分析模块130，还可用于从用户画像中识别出被执行人履行能力的证据标签。示例性的，用户画像中包括被执行人一个月内餐饮消费的金额，根据预先对证据标签的定义，消费能力指数可为被执行人的消费金额与全国城镇居民平均消费金额的比值。因此，可计算被执行人一个月内餐饮消费的金额与全国城镇居民一个月内餐饮消费的平均消费金额的比值，作为被执行人餐饮消费的消费能力指数。

评估模块140，用于结合用户画像和证据标签生成被执行人的履行能力评估结果。

可选的，评估模块140可用于将用户画像和证据标签输入至评估模型，得到评估模型输出的被执行人履行案件的可履行概率，并根据可履行概率计算被执行人的履行能力评分。

在本申请实施例中，评估模型是利用样本数据对逻辑回归模型进行训练得到的，样本数据包括多个具有履行结果的被执行案件，以及被执行案件中涉案的样本用户的样本用户画像和样本证据标签。逻辑回归模型是一种线性回归分析模型，可用于提取自变量和因变量之间的关联关系。在本申请实施例中，自变量可为输入的被执行人的用户画像和证据标签，因变量可为被执行人有能力履行案件的可履行概率。

评估模块140可获取大量被执行案件的履行结果以及被执行案件中涉案的样本用户的样本用户画像和样本证据标签。其中，被执行案件的履行结果可包括执行不能、逃避执行、已执行等，但不限于此。评估模块140，可将履行结果转换为相应的可履行概率。例如，执行不能对应的可履行概率为0%，逃避执行的可履行概率为70%，已执行的可履行概率为95%等，但不限于此。

评估模块140，可利用样本数据对逻辑回归模型进行训练，训练时，可将样本用户画像和样本证据标签作为逻辑回归模型的输入，并将逻辑回归模型输出的可执行概率与样本用户实际的履行结果对应的可执行概率进行比较，根据比较结果调整逻辑回归模型中的参数。通过大量样本数据的重复训练，逻辑回归模型可学习得到样本用户画像和样本证据标签与可履行概率之间的关联关系，从而可用于预测被执行人履行能力的评估模型。在训练得到上述的评估模型之后，评估模块140可将待预测的被执行人的用户画像和证据标签输入至评估模型，可由评估模型根据学习到的关联关系确定出被执行人的可履行概率，并输出该可履行概率。

评估模块140，可根据可履行概率计算被执行人的履行能力评分。其中，可履行概率与履行能力评分之间可以呈正相关关系，即可履行概率越高，履行能力评分越高。

可选的，上述的评估模型还可包括可履行能力与履行能力评分的拟合关系。评估模块140在对逻辑回归模型进行训练时，可得到上述的拟合关系。因此，评估模块140可根据评估模型包括的拟合关系以及被执行人的可履行概率，确定被执行人的履行能力评分。

在本申请实施例中，用户画像可以是被执行人在一段时间内的经济状态的事实呈现，证据标签是基于财产数据和用户画像进一步分析出的被执行人履行能力的证据。因此，结合被执行人经济状态的事实和进一步抽象出的证据对被执行人的履行能力进行评估，可避免单纯依赖用户画像或者单纯依赖评定的证据进行评估导致的误差，有利于提高对被执行人履行能力进行评估的准确性。

展示模块150，用于在显示页面中输出被执行人的履行能力评估结果。

在本申请实施例中，展示模块150可通过展示页面对被执行人的履行能力评估结果进行可视化展示。运行履行能力评估系统10的电子设备可以在显示屏幕上输出展示模块150生成的显示页面，该显示页面可以为用户交互界面，可提供与用户进行交互的控件。

在本申请实施例中，被执行人的履行能力评估结果可包括个人履行能力报告以及相对应的执法方案。展示模块150，可用于根据履行能力评分生成个人履行能力报告，以及查找与履行能力评分相对应的执法方案。个人履行能力报告至少包括：被执行人的基本信息、被执行人的财产数据、被执行人的履行能力评分、被执行人的用户画像、被执行人履行能力的证据标签中的一种或者多种。履行能力评估系统10的数据库还可预先存储有与不同的履行能力评分对应的执法方案，可按照履行能力评分划分分值等级。例如，履行能力评分为55分-60分可属于同一分值等级，履行能力评分为90-98分可属于另一分值等级，不同的分值等级对应不同的执法方案。执法方案可以包括从实际执行案件中总结出的普适性的执法指导细则。

展示模块150，还可用于在显示页面中输出个人履行能力报告和对应的执法方案。

示例性的，请参阅图3，图3是本申请实施例公开的一种在显示页面上输出个人履行能力报告的示例图。如图3所示，该个人履行能力报告可包括从数据获取模块110中获取到的被执行人的基本信息和财产数据（总对总信息），以及可包括从画像构建模块120中获取到的用户画像信息，以及可包括从证据分析模块130中获取到的被执行人的大额消费、收入（支出）水平、高消费及非生活和工作必须的消费行为、活动轨迹等履行能力的证据标签。

在本申请实施例中，被执行人的个人履行能力报告可全面整体地反映被执行人的经济活动情况，通过展示模块150在显示页面上输出个人履行能力报告，还可方便法官等执法人员查看被执行人的相关信息，帮助执法人员借助履行能力评估系统10整理的数据对被执行人的履行能力进行人工评估。

可见，在前述实施例中，履行能力评估系统10可以结合被执行人静态的资产信息和动态的财产交易数据对被执行人的履行能力进行评估，可以整合一段时间内被执行人的支付数据、电商消费、互联网金融等涉财产行为数据，将这些涉财产行为的碎片化数据进行整合分析，可以得出被执行人在一段时间内的经济活动情况，基于得出的经济活动情况对被执行人的履行能力进行评估，从而可以提高识别被执行人是否存在财产转移行为的可能性，进而可以提高对被执行人履行能力的评估准确性。此外，通过在显示页面上输出履行能力评估结果，还可方便法官等执法人员参考履行能力评估系统10给出的评估结果进行人工评估，以结合履行能力评估系统10的数据分析能力和执法人员的人工经验对被执行人的履行能力作进一步确认，以提高评估的准确性。

在一个实施例中，数据获取模块110，还可用于从实时数据流工具30中接收包括财产交易信息的交易信息文件；以及从数据中心20中接收包括资产信息的资产信息文件；交易信息文件和资产信息文件对应于一种或多种文件格式。实时数据流工具可以与多个不同的交易平台通信连接，并且存储有资产信息文件的数据中心也可以分属不同的机构进行管理。因此，不同的交易平台或数据中心使用的文件格式可能并不相同，数据获取模块110可能接收到csv，txt，xlsx，word以及pdf等文件格式的文件。

数据获取模块110，还可用于从交易信息文件的第一配置文件中读取出交易信息文件的第一密码，并利用第一密码对交易信息文件进行解密处理；以及从资产信息文件的第二配置文件中读取出资产信息文件的第二密码，并利用第二密码对资产信息文件进行解密处理。其中，数据获取模块110接收到的一个或多个交易信息文件或者资产信息文件中，部分交易信息文件可对应有第一配置文件，部分资产信息文件可对应有第二配置文件。第一配置文件和第二配置文件可为履行能力评估系统10可读的文件，或者，可以设置为只有运行了履行能力评估系统10的电子设备刻度的文件。由于涉及到财产数据，交易平台40和数据中心20可对交易信息文件和资产信息文件进行加密，并将解密所需的密码写入至相应的第一配置文件和第二配置文件中。数据获取模块110可利用第一配置文件和第二配置文件对已加密的交易信息文件和资产信息文件进行解密。

数据获取模块110，还可用于从解密后的交易信息文件中读取出财产交易信息，以及从解密后的资产信息文件中读取出资产信息；以及，对读取出的财产交易信息和资产交易信息进行类型校验和字段异常处理，以得到包含财产交易信息和资产交易信息的标准文件。数据获取模块110，可对不同文件格式的文件进行解析，以读取文件中的内容。因此，数据获取模块110可从交易信息文件中读取出财产交易信息，以及可从资产信息文件中读取出资产信息。此外，在数据传输过程中由于各种不可控的因素可能导致文件损害，从而导致文件中出现错误的内容。因此，数据获取模块110可对读取出的文件内容进行类型校验和字段异常处理，以清洗与标准类型不一致以及明显存在异常值的数据。

数据获取模块110，还可用于以预设的数据存储格式存储标准文件。

在前述实施例中，履行能力评估系统10的数据获取模块110可将从数据中心20或交易平台40等多种不同数据源中获取到的数据进行统一化、标准化处理，并以统一的数据格式进行存储，从而可以对多种格式的数据进行融合，可以降低数据处理的难度，有利于提高对被执行人履行能力进行评估的效率。

在一个实施例中，画像构建模块120还可用于对财产数据进行文本分词，从分词结果中选取出一个或多个关键词。

在本申请实施例中，文本分词可指将财产数据包括的每条信息的文本按照一定的规则划分为多个词语的过程，划分出的词语在语义上完整。此外，划分出的词语可以为单词，也可以为词组。画像构建模块120对财产数据进行文本分词之后，可得到包括多个词语的分词结果。画像构建模块120可按照一定的规则从分词结果中选取出部分词语作为关键词。作为一种可选的实施方式，画像构建模块120可以分词结果中的各个词语在财产数据中的出现频率进行统计，以得到各个词语的词频。根据各个词语的词频从各个词语中选取出关键词，例如，可选取出词频高于某一词频阈值的词语作为关键词；或者，可选取出词频排名前N名的词语作为关键词，N为大于等于1的正整数。

画像构建模块120，还可用于将各个关键词转换为对应的特征向量，并对转换后得到的各个特征向量进行聚类，得到聚合的特征向量集合。

在本申请实施例中，画像构建模块120可将关键词映射至向量空间，从而可以得到与各个关键词对应得特征向量。其中，画像构建模块120可利用独热（One-hot）编码、词嵌入（Word2Vec）模型，如连续词袋（Continuous Bag-of-Words，CBOW）模型等算法将关键词映射至向量空间。由关键词转换而成的各个特征向量之间保留了各个关键词在语义上的关联性，例如关键词“砂锅粥”和“火锅”在语义上同属于餐饮类型，而关键词“汽油”不属于餐饮类型。因此，“砂锅粥”对应的特征向量与“火锅”对应的特征向量之间的向量距离较近，而“砂锅粥”对应的特征向量与“汽油”对应的特征向量之间的向量距离较远。在将各个关键词转换为特征向量之后，画像构建模块120可对各个特征向量进行聚类，聚类的方法可包括：K邻近（K-Nearest Neighbor）算法、K均值（K-Means）聚类算法，但不限于此。

画像构建模块120，还可用于根据各个特征向量集合包括的特征向量对应的关键词确定各个特征向量集合对应的财产标签，以得到包括财产标签和特征向量集合之间的对应关系的财产标签数据。

在本申请实施例中，由关键词转换而成的各个特征向量之间保留了各个关键词在语义上的关联性，聚合得到每个特征向量集合包括的特征向量也具有一定的联系性。因此，每个特征向量集合可对应于一个财产标签，在聚类后，画像构建模块120可获得包括多个特征向量集合和分别与各个特征向量集合对应的财产标签之间的对应关系。

画像构建模块120，还可用于根据财产数据包括的每条信息中的关键词，从各个特征向量集合中识别出与每条信息相匹配的目标集合；以及，从对应关系中识别与每个目标集合对应的财产标签作为与财产数据包括的每条信息对应的财产标签。

在本申请实施例中，由于关键词是从财产数据包括的各个财产交易信息和/或资产交易信息中提取出的。因此，财产数据包括的每条信息可能包括一个或多个关键词，而在聚类后，又可得到每个关键词所在的特征向量集合。画像构建模块120可从聚类得到的各个特征向量集合中识别出每条信息包括的关键词所在的特征向量集合，并将每条信息中关键词所在的特征向量集合确定为与每条信息相匹配的目标集合。

由于从财产数据中提取出的财产标签数据可包括财产标签与特征向量集合之间的对应关系，因此，画像构建模块120在确定出与每条信息相匹配的目标集合之后，可以从上述的对应关系中识别出与每个目标集合对应的财产标签，作为财产数据中每条信息对应的财产标签。基于此，画像构建模块120可以根据每条信息中的关键词确定每条信息对应的财产标签。需要说明的是，若某一信息中包括多个关键词，则该信息可能对应于多个财产标签。

可见，基于前述实施例所示的画像构建模块120可以从财产数据中通过聚类的方式提取出财产标签，使得提取出的财产标签可以准确客观地表征财产数据的特性，从而使得基于财产标签构建出的用户画像可以反映被执行人的经济活动情况和财产状态。

此外，画像构建模块120，还可用于统计对应于同一财产标签的财产交易信息或者资产信息，得到一个或多个画像基础变量。在本申请实施例中，画像构建模块120可统计对应于同一财产标签的财产交易信息的数量和/或金额，以及统计对应于同一财产标签的资产信息的数量和/或金额，得到一个或多个画像基础变量。然而，用户画像中包括的画像基础变量的数量并非越多越好，若画像基础变量的数量过多，可能会导致数据冗余，降低了处理速度。因此，

可选的，画像构建模块120，还可用于根据各个画像基础变量中每个画像基础变量的证据权重和信息量，以及各个画像基础变量之间的相关系数。其中，证据权重（Weight ofEvidence，WOE）可用于表征各个离散变量对正样本的响应程度，即各个画像基础变量与被执行人履行判决或裁决的行为之间的关联性。信息量（Information Value，IV）可用于表征各个离散变量的预测能力，可通过WOE值得加权求和得到。各个画像基础变量之间的相关系数可包括但不限于皮尔逊相关系数(Pearson Correlation Coefficient)，可用于衡量各个画像基础变量之间的相关性。

画像构建模块120，还可用于根据每个画像基础变量的证据权重和信息量，以及各个画像基础变量之间的相关系数，对各个画像基础变量进行筛选。示例性的，可根据每个画像基础变量的证据权重和信息量进行第一次筛选，再根据画像基础变量之间的相关系数对第一次筛选后保留的画像基础变量进行第二次筛选，将第二次筛选后保留的画像基础变量确定为最终的筛选结果。例如，可从各个画像基础变量中选取出证据权重排名前M1且信息量排名前M2的画像基础变量作为第一次筛选后保留的画像基础变量，M1、M2均为大于等于1的正整数，M1和M2可以相同或者不同。在第二次筛选时，选取相关系数高于预设阈值的画像基础变量作为第二次筛选后保留的画像基础变量。

画像构建模块120，可用于利用筛选后保留的画像基础变量构建被执行人的用户画像。在本申请实施例中，在对画像基础变量进行筛选之后，画像构建模块120可利用筛选后保留的画像基础变量构建被执行人的用户画像，从而可以使得用户画像包括的画像基础变量的数量处于合适范围内，并且构成用户画像的画像基础变量对于被执行人履行能力的评估具有一定价值，有利于提高对履行能力进行评估的准确性，减少由于画像基础变量的数量过多导致的数据冗余。

进一步可选的，基于前述实施例中公开的数据获取模块110获取到的被执行人的财产数据，以及画像构建模块120构建出的用户画像，证据分析模块130可以根据资产状况、支出级别、高消费行为以及限制类消费行为等证据标签对财产数据和用户画像进行证据分析：

证据分析模块130，可用于根据财产数据包括的资产信息以及用户画像确定被执行人的资产状况。其中，用户画像中包括画像基础变量可以隐含被执行人的资产交易情况。例如，画像基础变量可包括一年内被执行人名下的大额收入的金额。电子设备可根据被执行人的资产交易情况识别资产信息中登记在被执行人名下得资产是否已经被转移，从而可以确定被执行人的资产状况。

可选的，证据分析模块130，还可用于从用户画像包括的消费类画像基础变量中识别出虚拟财产消费信息，例如游戏币充值信息等。根据虚拟财产消费信息可以确定出被执行人的虚拟资产信息，例如根据游戏币的充值次数和每次充值的金额，可以估算出被执行人的虚拟财产总额作为被执行人的虚拟资产信息。证据分析模块130获取到的被执行人的资产信息可包括实物资产信息，这是由于实物资产信息可以较为容易地通过公安系统或者法院系统的数据中心获取。根据虚拟资产信息和实物资产信息，电子设备可以确定出被执行人的总资产，并且可以根据总资产确定被执行人的资产状况，从而可以准确定位出被执行人可能隐匿的虚拟财产，使得对被执行人的资产状况的评估更加准确。

或者，证据分析模块130，还可用于对用户画像包括消费类画像基础变量与目标地区的居民平均消费水平进行比较，并根据比较结果确定被执行人的支出级别。其中，消费类画像基础变量可指与用户消费相关的画像基础变量，例如一个月内餐饮消费的次数和/或金额、一个月内珠宝类产品消费的次数和/或金额、一年内酒店消费的次数和/或金额等。上述的目标地区可根据实际业务需求设置，例如，可设置为全国，或者设置为广州市。示例性的，支出级别可包括高水平支出和低水平支出两个级别，消费类基础变量可为被执行人一年内酒店的消费金额，将被执行人一年内酒店的消费金额与广州居民在一年内酒店的平均消费金额进行比较。若被执行人一年内酒店的消费金额高于广州居民在一年内酒店的平均消费金额，则可确定被执行人属于高水平支出；否则，可确定被执行人属于低水平支出。

或者，证据分析模块130，还可用于在财产数据包括单笔消费金额大于预设金额的财产交易信息时，确定被执行人存在高消费行为。其中，上述的预设金额可根据实际的业务需求设定，例如可设定为1000元、1500元等，但不限于此。

或者，证据分析模块130，还可用于在财产数据包括消费类型属于限制类消费的财产交易信息时，确定被执行人存在限制类消费行为。其中，限制类消费的名录可根据法律条文或者司法解释进行设置，或者从实际的执行案例中归纳得出。例如，高铁出行消费可属于限制类消费。

可见，在前述实施例中，证据分析模块130可从对被执行人的资产状况、支出级别、高消费行为以及限制类消费行为等证据标签进行识别，有利于利用上述的证据标签作为被执行人履行能力的评估证据。

可见，在前述实施例中，评估模块140可通过预先训练好的评估模型对被执行人的履行能力进行评估，预先训练好的评估模型可包括从大量具有履行结果的被执行案件中挖掘出的用户画像和证据标签与可履行概率之间的关联关系，利用该关联关系确定被执行人的可履行概率，有利于提高对履行能力评估的准确性，提高了执行办案的效率和精准度，并有效降低司法成本。

在一个实施例中，展示模块150，还可用于检测在显示页面中输入的查询操作。在本申请实施例中，展示模块150输出的显示页面上可包括用于与用户进行交互的控件，例如包含跳转链接的案件、文字或者可供用户输入的输入框等。用户可以通过显示页面中的交互控件输入查询操作。

展示模块150还用于从数据库存储的多个被执行人的财产数据中查找与查询操作对应的展示内容。示例性的，请参阅图4，图4是本申请实施例公开的一种在显示页面中输出对应的展示内容的示例图。如图4所示，用户可以在显示页面中输入查询案号、支出总额和支出次数的查询操作。展示模块150可以在履行能力评估系统10的数据库中查询与上述的查询操作对应的展示内容，并在显示页面中输出。需要说明的是，如图4所示，展示模块150可以在显示页面中输出多个不同的案号对应的支出总额和支出次数等数据。

可见，在前述实施例中，展示模块150可通过个人履行能力报告对被执行人的整体经济情况和履行能力评估结果进行展示，以便于执法人员借助个人履行能力报告对被执行人的履行能力进行人工评估。此外，展示模块150还可以在显示页面中提供人机交互控件，以使用户可以通过显示页面对履行能力评估系统10存储的数据进行自定义查询。

请参阅图5，图5是本申请实施例公开的一种履行能力评估方法的流程示意图，该方法可适用于前述的电子设备。如图5所示，该履行能力评估方法可包括以下步骤：

510、获取被执行人的财产数据。

在本申请实施例中，财产数据包括通过实时数据流工具从交易平台中获取到的动态的财产交易信息，以及从数据中心中获取到的静态的资产信息。

在一个实施例中，电子设备执行步骤510的实施方式可包括：

从交易信息文件的第一配置文件中读取出交易信息文件的第一密码，并利用第一密码对交易信息文件进行解密处理；

从资产信息文件的第二配置文件中读取出资产信息文件的第二密码，并利用第二密码对资产信息文件进行解密处理；

从解密后的交易信息文件中读取出财产交易信息，以及从解密后的资产信息文件中读取出资产信息；

对读取出的财产交易信息和资产交易信息进行类型校验和字段异常处理，以得到包含财产交易信息和资产交易信息的标准文件；

以预设的数据存储格式存储标准文件。

520、根据动态的财产交易信息和静态的资产信息构建被执行人的一个或多个画像基础变量，并根据各个画像基础变量构建被执行人的用户画像。

在本申请实施例中，各个画像基础变量包括：被执行人的消费场景、消费习惯、虚拟财产和消费轨迹中的一种或者多种。

在一个实施例中，电子设备执行步骤520的实施方式可包括：

从动态的财产交易信息和静态的资产信息中提取出财产标签数据。以及，从财产标签数据中确定与财产数据包括的每条信息对应的财产标签；以及统计对应于同一财产标签的财产交易信息或者资产信息，得到一个或多个画像基础变量，并根据各个画像基础变量构建被执行人的用户画像。

可选的，从动态的财产交易信息和静态的资产信息中提取出财产标签数据，可包括：

通过对财产数据包括的财产交易信息和资产信息进行文本分词，从分词结果中选取出一个或多个关键词；将各个关键词转换为对应的特征向量，并对转换后得到的各个特征向量进行聚类，得到聚合的特征向量集合；根据各个特征向量集合包括的特征向量对应的关键词确定各个特征向量集合对应的财产标签，以得到包括财产标签和特征向量集合之间的对应关系的财产标签数据。

从财产标签数据中确定与财产数据包括的每条信息对应的财产标签，可包括：

根据财产数据包括的每条信息中的关键词，从各个特征向量集合中识别出与每条信息相匹配的目标集合；从对应关系中识别与每个目标集合对应的财产标签作为与财产数据包括的每条信息对应的财产标签。

在一个实施例中，电子设备在得到一个或多个画像基础变量之后，可以据各个画像基础变量中每个画像基础变量的证据权重和信息量，以及各个画像基础变量之间的相关系数，对各个画像基础变量进行筛选；以及，利用筛选后保留的画像基础变量构建被执行人的用户画像。

530、根据财产数据以及用户画像识别被执行人履行能力的证据标签。

在一个实施例中，证据标签至少可以包括以下任意一项：资产状况、支出级别、高消费行为以及限制类消费行为；

电子设备执行步骤530的实施方式可包括：

电子设备根据财产数据包括的资产信息以及用户画像确定被执行人的资产状况。可选的，电子设备可以从用户画像包括的消费类画像基础变量中识别出虚拟财产消费信息；以及，根据虚拟财产消费信息确定被执行人的虚拟资产信息；以及，根据虚拟资产信息和财产数据包括的实物资产信息确定被执行人的总资产，并根据总资产确定被执行人的资产状况。

或者，电子设备可以对用户画像包括消费类画像基础变量与目标地区的居民平均消费水平进行比较，并根据比较结果确定被执行人的支出级别。

或者，电子设备在财产数据包括单笔消费金额大于预设金额的财产交易信息时，确定被执行人存在高消费行为。

或者，电子设备在财产数据包括消费类型属于限制类消费的财产交易信息时，确定被执行人存在限制类消费行为。

540、将用户画像和证据标签输入至评估模型，得到评估模型输出的被执行人履行案件的可履行概率，并根据可履行概率计算被执行人的履行能力评分。

在本申请实施例中，评估模型是利用样本数据对逻辑回归模型进行训练得到的，样本数据包括多个具有履行结果的被执行案件，以及被执行案件中涉案的样本用户的样本用户画像和样本证据标签。

550、根据履行能力评分生成个人履行能力报告，以及查找与履行能力评分相对应的执法方案。

在本申请实施例中，电子设备可以生成被执行人的个人履行能力报告；个人履行能力报告至少包括：被执行人的基本信息、被执行人的财产数据、被执行人的履行能力评估结果、被执行人的用户画像和被执行人履行能力的证据标签中的一种或多种。

560、在显示页面中输出个人履行能力报告以及执法方案。

在一个实施例中，电子设备还可以检测显示页面中输入的查询操作，从数据库存储的多个被执行人的财产数据中查找与查询操作对应的展示内容，并在显示页面中输出展示内容。

可见，在前述实施例中，电子设备可以结合被执行人静态的资产信息和动态的财产交易数据对被执行人的履行能力进行评估，可以整合一段时间内被执行人的支付数据、电商消费、互联网金融等涉财产行为数据，将这些涉财产行为的碎片化数据进行整合分析，可以得出被执行人在一段时间内的经济活动情况，基于得出的经济活动情况对被执行人的履行能力进行评估，从而可以提高识别被执行人是否存在财产转移行为的可能性，进而可以提高对被执行人履行能力的评估准确性。

请参阅图6，图6是本申请实施例公开的一种电子设备的结构示意图。如图6所示，该电子设备600可以包括：

存储有可执行程序代码的存储器610；

与存储器610耦合的处理器620；

其中，处理器620调用存储器610中存储的可执行程序代码，执行前述实施例公开的任意一种履行能力评估方法。

需要说明的是，图6所示的移动终端还可以包括电源、输入按键、摄像头、扬声器、屏幕、RF电路、Wi-Fi模块、蓝牙模块、传感器等未显示的组件，本实施例不作赘述。

本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机的处理器执行任意一种履行能力评估方法。

本申请实施例公开一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行任意一种履行能力评估方法。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在本申请的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备（可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器）执行本申请的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本申请实施例公开的一种履行能力评估系统、方法及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种履行能力评估系统，其特征在于，所述系统包括：

数据获取模块，用于获取被执行人的财产数据；所述财产数据包括通过实时数据流工具从交易平台中获取到的动态的财产交易信息，以及从数据中心获取到的静态的资产信息；

画像构建模块，用于根据所述动态的财产交易信息和所述静态的资产信息构建所述被执行人的一个或多个画像基础变量，并根据各个画像基础变量构建所述被执行人的用户画像；所述各个画像基础变量包括：所述被执行人的消费场景、消费习惯、虚拟财产和消费轨迹中的一种或者多种；

证据分析模块，用于根据所述财产数据以及所述用户画像识别所述被执行人履行能力的证据标签；

评估模块，用于将所述用户画像和所述证据标签输入至评估模型，得到评估模型输出的被执行人履行案件的可履行概率，并根据所述可履行概率计算所述被执行人的履行能力评分；所述评估模型是利用样本数据对逻辑回归模型进行训练得到的，所述样本数据包括多个具有履行结果的被执行案件，以及所述被执行案件中涉案的样本用户的样本用户画像和样本证据标签；

展示模块，用于根据所述履行能力评分生成个人履行能力报告，以及查找与所述履行能力评分相对应的执法方案；以及，在显示页面中输出所述个人履行能力报告以及所述执法方案。

2.根据权利要求1所述的系统，其特征在于：

所述数据获取模块，还用于从所述实时数据流工具中接收包括所述财产交易信息的交易信息文件；以及从所述数据中心中接收包括所述资产信息的资产信息文件；所述交易信息文件和所述资产信息文件对应于一种或多种文件格式；

以及，还用于从所述交易信息文件的第一配置文件中读取出所述交易信息文件的第一密码，并利用所述第一密码对所述交易信息文件进行解密处理；以及从所述资产信息文件的第二配置文件中读取出所述资产信息文件的第二密码，并利用所述第二密码对所述资产信息文件进行解密处理；

以及，还用于从解密后的所述交易信息文件中读取出所述财产交易信息，以及从解密后的所述资产信息文件中读取出所述资产信息；以及，对读取出的所述财产交易信息和所述资产交易信息进行类型校验和字段异常处理，以得到包含所述财产交易信息和所述资产交易信息的标准文件；

以及，还用于以预设的数据存储格式存储所述标准文件。

3.根据权利要求1所述的系统，其特征在于：

所述画像构建模块，还用于从所述动态的财产交易信息和所述静态的资产信息中提取出财产标签数据；以及，用于从所述财产标签数据中确定与所述财产数据包括的每条信息对应的财产标签；

以及，还用于统计对应于同一财产标签的所述财产交易信息或者所述资产信息，得到一个或多个画像基础变量，并根据各个画像基础变量构建所述被执行人的用户画像。

4.根据权利要求3所述的系统，其特征在于：

所述画像构建模块，还用于对财产数据进行文本分词，从分词结果中选取出一个或多个关键词；

以及，还用于将各个关键词转换为对应的特征向量，并对转换后得到的各个特征向量进行聚类，得到聚合的特征向量集合；

以及，还用于根据各个特征向量集合包括的特征向量对应的关键词确定各个特征向量集合对应的财产标签，以得到包括财产标签和特征向量集合之间的对应关系的财产标签数据；

以及，还用于根据所述财产数据包括的每条信息中的关键词，从所述各个特征向量集合中识别出与每条信息相匹配的目标集合；以及，从所述对应关系中识别与每个目标集合对应的财产标签作为与所述财产数据包括的每条信息对应的财产标签。

5.根据权利要求3所述的系统，其特征在于：

所述画像构建模块，还用于在得到一个或多个画像基础变量之后，以及在根据各个画像基础变量构建所述被执行人的用户画像之前，根据各个画像基础变量中每个画像基础变量的证据权重和信息量，以及各个画像基础变量之间的相关系数，对所述各个画像基础变量进行筛选；

以及，还用于利用筛选后保留的画像基础变量构建所述被执行人的用户画像。

6.根据权利要求1所述的系统，其特征在于，所述证据标签至少包括以下任意一项：资产状况、支出级别、高消费行为以及限制类消费行为；

所述证据分析模块，还用于根据所述财产数据包括的资产信息以及所述用户画像确定所述被执行人的资产状况；或者，

对所述用户画像包括消费类画像基础变量与目标地区的居民平均消费水平进行比较，并根据比较结果确定所述被执行人的支出级别；或者，

在所述财产数据包括单笔消费金额大于预设金额的财产交易信息时，确定所述被执行人存在高消费行为；或者，

在所述财产数据包括消费类型属于限制类消费的财产交易信息时，确定所述被执行人存在限制类消费行为。

7.根据权利要求6所述的系统，其特征在于，所述资产信息包括：实物资产信息；

所述证据分析模块，还用于从所述用户画像包括的消费类画像基础变量中识别出虚拟财产消费信息；以及，根据所述虚拟财产消费信息确定所述被执行人的虚拟资产信息；以及，根据所述虚拟资产信息和所述财产数据包括的实物资产信息确定所述被执行人的总资产，并根据所述总资产确定所述被执行人的资产状况。

8.根据权利要求1所述的系统，其特征在于：

所述展示模块，还用于检测所述显示页面中输入的查询操作；以及，从数据库存储的多个被执行人的财产数据中查找与所述查询操作对应的展示内容，并在显示页面中输出所述展示内容。

9.一种履行能力评估方法，其特征在于，所述方法应用于电子设备，所述方法包括：

获取被执行人的财产数据；所述财产数据包括所述电子设备通过实时数据流工具从交易平台中获取到的动态的财产交易信息，以及所述电子设备从数据中心中获取到的静态的资产信息；

根据所述动态的财产交易信息和所述静态的资产信息构建所述被执行人的一个或多个画像基础变量，并根据各个画像基础变量构建所述被执行人的用户画像；所述各个画像基础变量包括：所述被执行人的消费场景、消费习惯、虚拟财产和消费轨迹中的一种或者多种；

根据所述财产数据以及所述用户画像识别所述被执行人履行能力的证据标签；

将所述用户画像和所述证据标签输入至评估模型，得到评估模型输出的被执行人履行案件的可履行概率，并根据所述可履行概率计算所述被执行人的履行能力评分；所述评估模型是利用样本数据对逻辑回归模型进行训练得到的，所述样本数据包括多个具有履行结果的被执行案件，以及所述被执行案件中涉案的样本用户的样本用户画像和样本证据标签；

根据所述履行能力评分生成个人履行能力报告，以及查找与所述履行能力评分相对应的执法方案；

在显示页面中输出所述个人履行能力报告以及所述执法方案。

10.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求9所述的方法。

Images